文章主要内容总结本文提出了一种名为SiLQ（Simple Large Language Model Quantization-Aware Training）的简单大语言模型量化感知训练方法，旨在解决大语言模型（LLMs）量化过程中精度损失、训练成本高及与专用推理加速器兼容性的问题。核心目标：通过量化降低LLMs的推理延迟、模型大小和能耗，同时最小化精度损失，并确保与专用推理加速器兼容。方法流程：在模型中添加量化操作，使用直通估计器（straight through estimator）计算训练时的梯度；通过校准初始化量化器步长，再使用LSQ（Learned Step Size Quantization）进一步优化；结合知识蒸馏（knowledge distillation）进行端到端训练，可使用公开数据集或模型原始微调数据。性能表现：仅增加不到0.1%的总训练预算（以训练token计），在常识推理（CSR）、Huggingface Open LLM排行榜（OLLMv1、OLLMv2）等基准测试中，显著优于SmoothQuant、SpinQuant等主流后训练量化（PTQ）方法，且在基模型和指令微调模型上均保持接近原始全精度模型的精度。优势：适用于不同模型架构，可量化激活值、缓存和权重，无需添加额外操作，兼容专用加速器（如NorthPole），